《表1 仿真数据：基于经验模式分解和排列熵的轴承故障特征提取》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于经验模式分解和排列熵的轴承故障特征提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对含有高斯白噪声的仿真信号进行EMD分解，对分解后的各个IMF分量进行排列熵值与相关系数的计算，并根据式（8）求得联合系数，如表1所示。根据联合系数最大化原则，筛选出两个最佳的IMF分量（IMF6，IMF7）进行信号的重组，图3显示的是重组信号进行快速谱峭度分析得到快速谱峭度图。由图3可以看出，分解层数为1.6，带宽为8 333.33 Hz，滤波中心为23 333.33 Hz时，谱峭度值达到最大。在滤波后的平方包络图中，准确检测出了130 Hz的特征频率及其倍频程如图4所示，这与预设的故障特征频率相符合，于是实现了故障的诊断，说明基于EMD和排列熵的快速谱峭度的轴承故障诊断是有效的。